用途：scikit-bio 是用于生物数据分析的 Python 库，覆盖序列操作、序列比对、系统发育、微生物生态与多元统计，常与 QIIME 2 等微生物组流程配合。
主要能力：
- 序列：DNA/RNA/Protein 对象，支持反向互补、转录、翻译、基序查找（find_with_regex）、k-mer 频率、GC 含量、去 gap，以及序列级、逐位、区间级元数据。
- 比对：成对局部比对 local_pairwise_align_ssw（Smith-Waterman/SSW）；TabularMSA 读取多序列比对，计算一致序列与保守性。
- 系统发育：由距离矩阵用 nj、upgma 建树；TreeNode 支持遍历、剪切、LCA、共表型矩阵、Robinson-Foulds 比较。
- 多样性：alpha_diversity（shannon、simpson、observed_otus、pielou_e、faith_pd）、beta_diversity（braycurtis、jaccard、unweighted_unifrac、weighted_unifrac），支持 subsample_counts、partial_beta_diversity。
- 排序与统计：pcoa、cca；permanova、anosim、permdisp、mantel。
- 文件 I/O：FASTA、FASTQ、Newick、BIOM 等，可用生成器流式读取大文件；Table 支持过滤与转 pandas。
使用方式： 安装：pip install scikit-bio 可选：pip install biom-format（HDF5 BIOM）、pip install matplotlib seaborn（可视化） 典型流程：读取计数矩阵与树 → 计算 alpha/beta 多样性 → PCoA 排序 → PERMANOVA 检验。
适用场景：微生物组多样性分析、由距离矩阵构建系统发育树、群落组成 PCoA 排序、距离矩阵的统计检验、生物格式读写。
限制与注意：多样性函数要求整数丰度计数，不能传相对丰度；系统发育指标需匹配的 tree 与 otu_ids，ID 必须唯一；大规模数据应使用生成器读取，NJ 为 O(n³)，上千 taxa 可考虑 gme；PERMANOVA 受离散度影响，建议配合 PERMDISP；细菌/古菌翻译应设置 genetic_code=11。高通量 NGS 比对/变异检测应改用 STAR/BWA，蛋白结构预测应改用 AlphaFold/ESMFold。官方文档链接与完整资料未提供。